FC 2022 | 基于博弈论分析的非同质化代币证券化与回购商场

本文是 FC 2022入选论文《ABSNFT: Securitization and Repurchase Scheme for Non-Fungible Tokens Based on Game Theoretical Analysis》的解读。该论文为北京大学前沿计算研究中心算法博弈论实验室2021年暑期夏令营的科研结果,指导老师为北京大学前沿计算研究中心邓小铁教授和苏州科技大学程郁琨教授。文章提出了一种将区块链上的非同质化代币(Non-Fungible Token, NFT)进行证券化与回购的规划,并基于博弈论对该规划进行理论分析。

论文链接:https://arxiv.org/abs/2202.02199

01 研究背景

FC 2022 | 基于博弈论分析的非同质化代币证券化与回购商场

图1. 新华社发行的新闻数字藏品

非同质化代币(Non-Fungible Token, 下文简称为NFT)是一种基于区块链的新型数字财产。与比特币、以太坊等同质化虚拟数字货币的最大区别在于,每一个 NFT 都是独特的,既不能拆分,也不能合并,并失去其独立的编号。非同质化的特点使得 NFT 通常与特定财产绑定,例如数字艺术品和电子宠物。此外,一些研究还探索了 NFT 在专利、版权和实物财产中的运用。目前 NFT 在游戏、艺术品、虚拟财产、现实财产、身份、数字作品版权等领域失去十分巨大的商场价钱。在最大的 NFT 商场 Opensea 上,NFT 的累计买卖额已经突破了100亿美元。

尽管 NFT 已经失去了庞大的商场规模与相对老练的技术标准,但是关于 NFT 的商场理论却还十分不老练。现有的 NFT 协定通常使用英式拍卖或者荷式拍卖来买卖 NFT。然而,非同质化的特点使得现有的 NFT 买卖机制面临以下的成绩:

1. 高价钱的 NFT 更容易面临流动性降低的风险。以失去最高总价钱的 NFT 系列 CryptoPunks 为例,在2021年10月到12月期间,CryptoPunks 的 NFT 平均买卖价钱超过了80万美元。而与之对应的,其买卖量却显著低于其他热门的 NFT 系列。

2. NFT 非同质化的特性使得预言机(Oracle)、自动做市商(Automated Market Makers)等区块链金融中常用的定价手段无法间接运用于 NFT 上。

3. 失去较长投资回报周期的 NFT 具有较高的投资风险,而现有的买卖机制无法通过投资组合等方法降低此类风险。

4. 某些类似于发明专利等 NFT 财产,需要一套高效的融资方式,使其能快速获得资金,支持其繁荣发展。

02 NFT证券化与NFT重构

我们提出了一种财产证券化的规划来解决上述的成绩。我们的规划主要包括三个部分:NFT 证券化协定、NFT 证券回购协定和 NFT 重构协定。

如果用户 A 持有一个 NFT,那么他就可以通过 NFT 证券化协定,将自己持有的 NFT 转化为若干份 NFT 证券。这些 NFT 证券相当于基于该 NFT 发行的限量同质化代币并且可以被自由买卖。如果用户 B 持有一个 NFT 相关的所有证券,那么他可以通过 NFT 重构协定将这些 NFT 证券重新转化为完整的 NFT,从而满足跨链、所有权证明等需求。我们同时设计了 NFT 证券回购协定来防止用户在意图收购所有 NFT 证券时遭遇歹意的抬价行为。

FC 2022 | 基于博弈论分析的非同质化代币证券化与回购商场

图2. NFT证券化和重构的一个例子

我们的规划成功地解决了非同质化特性给 NFT 带来的诸多成绩:单个 NFT 证券比起完整的NFT失去更低的价钱,增加了商场流动性;NFT 证券相当于基于该 NFT 发行的限量同质化代币,可间接运用于预言机(Oracle)和自动做市商(AMMs);投资风险可以通过投资组合等方式降低;由于证券可以属于不同的所有者,融资也可以实现。

03 NFT证券回购算法

NFT 证券回购算法是本篇文章的核心。在金融研究中存在着两种相对老练的回购算法:回购协定(Repurchase Agreement)和股票回购(Stock Repurchase)。

回购协定是两方之间的短期买卖,其中一方通过抵押金融证券作为抵押物向另一方借入现金。前者称为证券发行人,后者称为投资者。为避免清算失败,证券发行人需要抵押财产或信用。有关回购协定的研究不能间接运用于我们的主题,因为其价钱通常来源于商场模型。但 NFT 商场不像金融商场那样老练,很难通过商场模型计算出一个公平的价钱。

股票回购是指上市公司以一定价钱从股东手中回购股票的行为。通常股票回购的目的是为了向股市释放积极信号,而不是为了回购所有的股票。因此传统金融研究中的回购算法并不能间接运用于 NFT 证券回购的场景。此外,也有诸如 Oxygen 等区块链平台致力于完成回购协定,但是在这类平台中,回购价钱和财产价钱的评估均由去中心化买卖所 Serum 提供。然而,这种定价方法是危险的,因为依赖去中心化买卖所进行定价很容易受到闪电贷等攻击,从而使用户蒙受巨大的损失。

我们为 NFT 证券回购的需求设计了一种全新的回购算法。如果用户 A 失去某个 NFT 超过一半份额的 NFT 证券,那么他就可以发起 NFT 证券回购协定。我们称发起回购协定的用户为收购者,称其他失去该类 NFT 证券的用户为被收购者。我们将 NFT 证券回购过程建模为一个 Stackelberg 博弈。在这个博弈中,被收购者会先各自给出一个价钱,随后收购者再给出一个价钱。对于每个被收购者,如果他给出的价钱低于收购者给出的价钱,那么收购者就会以两人出价的平均值收购他手中的 NFT 证券;否则他需要以两人出价的平均值收购收购者手中的一定 NFT 证券。

FC 2022 | 基于博弈论分析的非同质化代币证券化与回购商场

图3. NFT证券回购协定的Stackelberg Game

我们的协定能有效惩罚歹意的出价行为。如果收购方歹意压价,那么被收购方就可以低价买到收购方手中的 NFT 证券;反之,如果被收购方歹意抬价,那么要求被收购方用很高的价钱来购买收购方手中的 NFT 证券。我们在论文中给出了回购算法在多种情况下的均衡解。

04 解决预算与“懒惰竞拍者”成绩

最后,我们还讨论了我们的规划在实际运行中可能遇到的两个成绩。

首先是预算(Budget Constraints)成绩。在我们的回购算法中,被收购方可能需要一定的资金来购买证券。对于被收购方可能面临的资金不足的成绩,我们提出了一个切实可行的解决规划:间接在区块链上融资。我们允许被收购方以某个价钱(可以为负,如果为负则为被收购方倒贴钱)出售购买收购方 NFT 证券的机会。这样的做法很好地利用了区块链上的资金具有高度流动性的特点。

其次是“懒惰竞拍者”(Lazy Bidders)成绩。在我们的算法中,被收购方有可能拒绝出价或者因为其他原因无法出价,从而导致回购协定无法进行下去。为了保证回购协定可以顺利举行,同时避免对没有出价的被收购方进行过于严厉的处罚,我们给出了两种解决规划。一种是我们要求全部的 NFT 证券所有者都需要给出一个默认的拍卖价钱,如果被收购方不能及时在回购协定中给出一个出价,那么就将他先前给出的默认价钱视为其出价。另一种是允许托管出价,即由其他被收购方指定的人或者算法进行出价。

图文 | 陈宏崟

PKU daGAME Lab

原创文章,作者:北京大学前沿计算研究中心,如若转载,请注明出处:https://www.iaiol.com/news/fc2022-ji-yu-bo-yi-lun-fen-xi-de-fei-tong-zhi-hua-dai-bi/

(0)
上一篇 2022年 7月 18日 下午5:05
下一篇 2022年 7月 18日 下午5:35

相关推荐

  • 数仓架构的持续演进与发展 — 云原生、湖仓一体、离线及时一体、SaaS模式

    数据仓库概念从1990年提出,经过了四个主要阶段。从最初的数据库演进到数据仓库,到MPP架构,到大数据时代的数据仓库,再到今天的云原生的数据仓库。在不断的演进过程中,数据仓库面对着不同的挑衅。

    2021年 8月 11日
  • 如何更迷信地研讨AI+迷信?顶级学者将云集这次ICML研讨会

    ICML将举行一个AI+迷信的研讨会,由来自全球顶尖机构的研讨职员举行,集结了AI+各迷信畛域的领跑者。

    2022年 3月 30日
  • 如何向大模型注入学问?达摩院通义对话模型SPACE系列探索

    如何将人类先验学问低成本融入到预训练模型中一直是个难题。达摩院对话智能团队提出了一种鉴于半监视预训练的新训练方式,将对话领域的少量有标数据和海量无标数据一起从事预训练,从而把标注数据中蕴含的学问注入到预训练模型中去,打造了 SPACE 1/2/3 系列模型。SPACE-1:注入对话计谋学问,AAAI 2022 长文录用;SPACE-2:注入对话明白学问,COLING 2022 长文录用,并获 best paper award 推荐;SPACE-3:集对话明白 + 对话计谋 + 对话天生于一体的模型, SIGIR 2

    2022年 10月 11日
  • 论文分享 | 丢弃卷积,纯Transformer建立GAN收集

    最近,计算机视觉(CV)领域的钻研者对 Transformer 产生了极大的兴趣并陆续取得了不少突破。比如,2020 年 5 月,Facebook AI 的钻研者推出了 Transformer 的视觉版本——Detection Transformer,在性能上媲美当时的 SOTA 方法,但架构得到了极大简化;10 月,谷歌提出了 Vision Transformer (ViT),可以直接利用 transformer 对图像进行分类,而不需要卷积收集。

    2021年 2月 26日
  • 魔方电池如何“躺赢”?解锁荣威iMAX8 EV“头等舱”危险密码

    近期不时出现的电动车自燃事件,让新能源汽车的危险问题再登风口浪尖。一直以来,电池危险是新能源汽车用户最为关切的首要问题。消除电池危险隐患,从根本上化解用户的危险焦虑,是整体新能源汽车行业努力的方向。中国荣威旗下纯电奢华MPV荣威iMAX8 EV在危险性能方面,领先行业标准,采用上汽魔方电池,通过五重递进式的多层防备,不妨兑现整包零热失控。“头等舱”的危险感背后隐藏着哪些黑科技?8月10日,来自上汽创新研发总院捷能公司的电池技术专家们进行了一场电池解析直播课,生动地展示了魔方电池的危险之道。五

    2022年 8月 10日
  • 让机器进修安排手机GUI,这合理么?

    研究背景:图形用户界面(Graphical UserInterface,简称 GUI,又称图形用户接口),为用户和计算机桌面程序,手机类移动端软件,和在线网站提供了可视化的交互方式。安排优秀的GUI颜值在线且简洁易用,吸引大量忠实用户。但即便对经验丰富的GUI安排者,新App与GUI的创作过程也是非常困难且耗费时间的,例如交互流畅、通用、简洁、美观、作风连贯等与安排相关的规则和标准是安排者们需要遵循的。而且为了紧跟时代潮流,不断从其他的资源(如Dribbble)寻找最新最热的安排来获取灵感也为安排者们带来了额外巨大

    2021年 6月 23日
  • 学术顶会再突破!较量争论平台MaxCompute论文入选国际顶会VLDB 2021

    一、顶会概览 VLDB 2021上,阿里云较量争论平台MaxCompute参与的论文入选,核心分布式调度履行引擎Fangorn、基于TVR Cost模型的通用增量较量争论优化器框架Tempura等分别被Industry Track、Research Track录取。 作为数据管理与数据库领域三大顶级学术会议之一,VLDB每年都吸引了各大高校、科研机构与科技公司的论文投稿,许多重要技术成果都在VLDB上中选发布。 多篇研究成果的发布离不开25位较量争论平台传教师和达摩院传教师花费大量时间撰写和修改,

    2021年 9月 29日
  • 《几许深度进修》作者授课,2022年GDL100课程上线

    今年的 GDL100 包含通例课程、辅导课和专题研讨课,深入讲解了几许深度进修的基本概念和重要问题。

    2022年 7月 29日
  • 华为诺亚调研200多篇文献,视觉Transformer综述入选TPAMI 2022

    华为诺亚方舟实验室联合北大和悉大整理了业界第一篇视觉Transformer综述。

    2022年 2月 23日
  • DeepMind联合UCL,推出2021加强进修最新课程

    DeepMind 的研讨科学家和工程师亲身讲授了一套加强进修课程,目前已全部上线。DeepMind 作为全球顶级 AI 研讨机构,自 2010 年创建以来已有多项世界瞩目的研讨成果,例如击败世界顶级围棋玩家的 AlphaGo 和今年高效展望的蛋白质结构的 AlphaFold。近几年,DeepMind 联合伦敦大学学院(UCL)推出了一些人工智能线上课程,今年他们联合推出的「2021 加强进修系列课程」现已全部上线。该课程由 DeepMind 的研讨科学家和工程师亲身讲授,旨在为学生提供对现代加强进修的全面介绍。课程

    2021年 9月 16日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注